动态定位中的卡尔曼滤波研究-中国博士学位论文全文数据库

中国博士学位论文全文数据库

关闭

动态定位中的卡尔曼滤波研究

在线阅读　

整本下载　

分章下载　

分页下载本系统暂不支持迅雷或FlashGet等下载工具

【英文题名】	Research on Kalman Filter in Kinematic Positioning
【作者】	宋迎春;
【导师】	陈正阳; 朱建军;
【学位授予单位】	中南大学;
【学科专业名称】	大地测量学与测量工程
【学位年度】	2006
【论文级别】	博士
【网络出版投稿人】	中南大学
【网络出版投稿时间】	2007-11-26
【关键词】	动态定位; 卡尔曼滤波; 模型偏差; 测量粗差; 测量噪声; 相关噪声; EKF; UKF滤波;
【英文关键词】	Kinematic Positioning; Kalman Filter; Model Error; Observational Gross Error; Measurement Noise; Correlation Noise; Extended Kalman Filtering; Unscented Kalman Filtering;
【中文摘要】	卡尔曼滤波是一个不断地预测、修正的递推过程，由于其在求解时不需要存储大量的观测数据，并且当得到新的观测数据时，可随时算得新的参数滤波值，便于实时地处理观测结果，因此卡尔曼滤波被越来越多地应用于动态定位数据处理中，尤其是GPS动态数据处理、惯性导航等。卡尔曼滤波目前已经成功应用于GPS动态定位，提高了定位精度，更好满足了用户的需要。然而在卡尔曼滤波模型中，要求观测方程是线性形式、动态噪声和测量噪声是白噪声，而实际的观测量与状态参数间是非线性函数。非线性二次以上高次项舍去，以及周跳等观测粗差等原因，使观测方程产生模型误差。卡尔曼滤波线性模型的最优估计是建立在给定函数模型和随机模型基础上的，如果实际的函数模型和随机模型存在误差，不仅得不到最优估计，而且可能造成滤波发散。粗差检测方法有把粗差归入函数模型的检测方法，也有把粗差归入随机模型的检测方法。将粗差纳入函数模型，就是要在平差中检测粗差、定位粗差，并将其剔除，然后用正常观测值进行参数估计，为此需要运用统计假设检验方法，进行粗差探测、定位。本文针对动态定位中的卡尔曼滤波算法的现状和存在的问题进行了研究，主要贡献有以下几点： ...
【英文摘要】	Kalman Filter is an iterative algorithm of continuous prediction and correction.Since it needn't store much observational data in solving, and when given newobservational data, it can calculate the filter parameter value whenever necessary todeal with the real-time observational results conveniently, Kalman Filter isincreasingly applied to kinematic positioning data processing, especially the dynamicsdata processing of GPS, inertial navigation, and etc. Being now successfully appliedto GPS kinemat...
【更新日期】	2007-12-25

xxx

【相似文献】

中国期刊全文数据库

中国优秀硕士学位论文全文数据库

中国博士学位论文全文数据库

中国重要会议论文全文数据库

中国重要报纸全文数据库

中国学术期刊网络出版总库

点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。

【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。

天文学、地球科学
　

测绘学
　　

大地测量学
　　　

卫星大地测量与空间大地测量
　　　　

全球定位系统（GPS）


	CNKI系列数据库编辑出版及版权所有：中国学术期刊(光盘版)电子杂志社中国知网技术服务及网站系统软件版权所有：清华同方知网(北京)技术有限公司其它数据库版权所有：各数据库编辑出版单位（见各库版权信息）京ICP证040431号互联网出版许可证新出网证（京）字008号

相似文献

文献分类导航